« Régularisation » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications |
||
| (15 versions intermédiaires par 4 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un modèle afin d'éviter un éventuel surajustement. | Processus qui consiste généralement à pénaliser les valeurs extrêmes des [[Paramètre|paramètres]] d'un [[modèle]] afin d'éviter un éventuel [[surajustement]]. | ||
Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'[[apprentissage automatique]] sont les régularisations [[Régularisation L1|L1]] et [[Régularisation L2|L2]]. | |||
==Français== | ==Français== | ||
'''régularisation''' | '''régularisation''' | ||
==Anglais== | ==Anglais== | ||
'''regularization''' | '''regularization''' | ||
==Español== | |||
''''' regularización ''''' | |||
Source: Nicolas Chapados, Yoshua Bengio (2003). ''Comment améliorer la capacité de généralisation des algorithmes d'apprentissage pour la prise de décisions financières'', Montréal, CIRANO, 68 pages | ''Proceso que consiste generalmente en penalizar los valores extremos de los parámetros de un modelo para evitar el sobreajuste.'' | ||
''Nota: las regularizaciones más utilizadas en matemáticas, estadística y aprendizaje automático son las regularizaciones L1 y L2.'' | |||
==Sources== | |||
Source : Nicolas Chapados, Yoshua Bengio (2003). ''Comment améliorer la capacité de généralisation des algorithmes d'apprentissage pour la prise de décisions financières'', Montréal, CIRANO, 68 pages | |||
[[Utilisateur:Patrickdrouin | Source : Termino]] | [[Utilisateur:Patrickdrouin | Source : Termino]] | ||
[https://developers.google.com/machine-learning/glossary/ Source: ''Google machine learning glossary''] | [https://developers.google.com/machine-learning/glossary/ Source : ''Google machine learning glossary''] | ||
{{Modèle:101}} | |||
[[Category:GRAND LEXIQUE FRANÇAIS]] | |||
[[Category:Intelligence artificielle]] | |||
[[Catégorie:Apprentissage profond]] | |||
[[Catégorie:101]] | |||
Dernière version du 23 juillet 2025 à 10:30
Définition
Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un modèle afin d'éviter un éventuel surajustement.
Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisations L1 et L2.
Français
régularisation
Anglais
regularization
Español
regularización
Proceso que consiste generalmente en penalizar los valores extremos de los parámetros de un modelo para evitar el sobreajuste.
Nota: las regularizaciones más utilizadas en matemáticas, estadística y aprendizaje automático son las regularizaciones L1 y L2.
Sources
Source : Nicolas Chapados, Yoshua Bengio (2003). Comment améliorer la capacité de généralisation des algorithmes d'apprentissage pour la prise de décisions financières, Montréal, CIRANO, 68 pages
Source : Google machine learning glossary
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
Contributeurs: Arianne Arel, Claire Gorjux, Claude Coulombe, Jacques Barolet, Espanol: Jean-Sébastien Zavalone, Patrick Drouin, wiki, Robert Meloche
